阿里用Agent自动评测并迭代业务系统

通过 QoderWork／cursor 连接评测平台，人只需花三四分钟描述任务，由 AI 自主完成评测集生成、执行与报告提交：案例一由 Agent 自主创建 13 条用例覆盖钉钉文档 MCP 主要功能，报告 95 分，扣分项为创建文件夹同名自动追加序号但接口未返回冲突提示。案例二由 QoderWork 通过插件接管浏览器登录态，对绘报最近生成的 5 个项目做功能＋AIGC 内容质量评测，约 20 分钟跑完，整体 85 分。 案例三在自有业务系统的两个 AI 功能上让 cursor 按「发任务—生成评测集—评测—读报告改代码—再评测」至少循环三轮，一夜跑完约三四个小时，v1 90.7 分、v2 97.4 分、v3 99.1 分，五个维度分数稳步上升。作者并给出两条前提：被测系统 UI 规范与基础设施要达标，且系统本身 AI Coding 含量要高。